自行車運(yùn)動(dòng)員訓(xùn)練負(fù)荷預(yù)測(cè)模型研究及應(yīng)用

李富玉

【摘 ?要】自行車運(yùn)動(dòng)員的訓(xùn)練負(fù)荷能力和其身體機(jī)能狀態(tài)有著復(fù)雜的關(guān)系，為了挖掘其中的數(shù)據(jù)關(guān)聯(lián)，從而指導(dǎo)自行車運(yùn)動(dòng)的科學(xué)訓(xùn)練及人才培養(yǎng)，本文借助國家自行車隊(duì)積累的數(shù)據(jù)進(jìn)行研究，提出了自行車運(yùn)動(dòng)員訓(xùn)練負(fù)荷預(yù)測(cè)模型，并將預(yù)測(cè)模型應(yīng)用在“自行車隊(duì)訓(xùn)練分析系統(tǒng)”中。這對(duì)于提高我國自行車運(yùn)動(dòng)的競(jìng)技水平和運(yùn)動(dòng)員訓(xùn)練效果有著重要意義。

【關(guān)鍵詞】自行車運(yùn)動(dòng)員;訓(xùn)練;負(fù)荷預(yù)測(cè);模型;應(yīng)用

1自行車運(yùn)動(dòng)訓(xùn)練分析的研究現(xiàn)狀

目前自行車運(yùn)動(dòng)訓(xùn)練分析主要是研究某一專項(xiàng)技術(shù)在自行車比賽中的作用，以及提高競(jìng)技水平的訓(xùn)練方法和訓(xùn)練手段。有研究通過對(duì)公路自行車項(xiàng)目特征、制勝因素、制勝能力及其相互關(guān)系的研究，主要得到了以下結(jié)論：長距離公路自行車運(yùn)動(dòng)項(xiàng)目是以有氧供能為主的，運(yùn)動(dòng)員通過踏蹬自行車產(chǎn)生移動(dòng)速度進(jìn)行競(jìng)爭(zhēng)的周期性競(jìng)速運(yùn)動(dòng)項(xiàng)目;根據(jù)自行車運(yùn)動(dòng)的特點(diǎn)，應(yīng)從肌肉工作、器械以及競(jìng)技能力三個(gè)角度認(rèn)識(shí)與把握公路自行車賽的項(xiàng)目特征。還有人員研究了山東省男子公路自行車隊(duì)運(yùn)動(dòng)員在長期運(yùn)動(dòng)訓(xùn)練以后身體機(jī)能變化的規(guī)律，提出了訓(xùn)練的小循環(huán)適當(dāng)延長、增加冬訓(xùn)期及賽前的訓(xùn)練強(qiáng)度的建議。

2影響訓(xùn)練負(fù)荷的因素

在對(duì)運(yùn)動(dòng)員訓(xùn)練負(fù)荷預(yù)測(cè)的過程中，選取對(duì)訓(xùn)練負(fù)荷有影響的因素不僅要合理而且還要有代表性，結(jié)合實(shí)驗(yàn)數(shù)據(jù)的特點(diǎn)，本文根據(jù)自行車國家隊(duì)教練的建議選取了25個(gè)對(duì)訓(xùn)練負(fù)荷有影響的因素：1）運(yùn)動(dòng)員的身高、體重、年齡、性別、體質(zhì)指數(shù)。2）功能閾值功率（FTP）。自行車訓(xùn)練中的FTP是指在1小時(shí)內(nèi)用盡全力且穩(wěn)定的騎行中所得到的最大平均功率。3）最大攝氧量。最大攝氧量是反應(yīng)運(yùn)動(dòng)員有氧能力的重要指標(biāo)。4）平均踏頻和最高踏頻。踏頻是在自行車領(lǐng)域非常關(guān)鍵卻又容易被忽略的指標(biāo)，指的是單側(cè)曲柄每分鐘轉(zhuǎn)動(dòng)的圈數(shù)，它是騎行效率的基本保證，合理的踏頻能夠有效的使用身體機(jī)能，防止肌肉和膝關(guān)節(jié)損傷，提高騎行效率。5）平均功率和最高功率。功率對(duì)于自行車訓(xùn)練來說是十分明確的強(qiáng)度指標(biāo)，它直接反映出了運(yùn)動(dòng)員目前所輸出的力量，能夠有效監(jiān)控運(yùn)動(dòng)強(qiáng)度。功率反映出了運(yùn)動(dòng)員實(shí)際踩踏出來的力量大小，并不像心率只是一個(gè)生理指標(biāo)。兩者之間最大的差異就在于一個(gè)是“實(shí)際表現(xiàn)”，另外一個(gè)是“生理反應(yīng)”。6）生理生化指標(biāo)。數(shù)據(jù)中有很多生理生化數(shù)據(jù)，其中包含了血常規(guī)、血糖肌酐、肝功能、尿常規(guī)、睪酮測(cè)定等幾大項(xiàng)，而每一項(xiàng)分別又包含數(shù)十項(xiàng)檢測(cè)指標(biāo)。如果把所有指標(biāo)都作為輸入，模型的計(jì)算量會(huì)劇增，而且并不是所有指標(biāo)都對(duì)負(fù)荷結(jié)果有較大影響，本文根據(jù)專家的建議和參考他人的研究，在生理生化數(shù)據(jù)中選取了白細(xì)胞數(shù)、血紅蛋白、血小板、紅細(xì)胞數(shù)、尿素氮、肌酸激酶、睪酮、血氧飽和度、尿PH值、尿蛋白、尿膽原和尿膽素。7）參加訓(xùn)練的項(xiàng)目和訓(xùn)練量。

3分析IAGABP算法在訓(xùn)練負(fù)荷預(yù)測(cè)中的應(yīng)用

3.1神經(jīng)網(wǎng)絡(luò)模型的選擇

神經(jīng)網(wǎng)絡(luò)模型種類繁多，每一種神經(jīng)網(wǎng)絡(luò)模型有各自適合的應(yīng)用場(chǎng)景，有的適用于圖像處理領(lǐng)域，有的適用于特征識(shí)別領(lǐng)域，有的適用于數(shù)據(jù)分類領(lǐng)域。目前應(yīng)用廣泛的神經(jīng)網(wǎng)絡(luò)模型有感知器神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)等。感知器神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)是線性閾值單元，適用于簡單的模式分類問題，并且模型實(shí)現(xiàn)比較簡單，只能解決線性可分的問題，因此該模型不適合用來對(duì)訓(xùn)練負(fù)荷的預(yù)測(cè)。反饋神經(jīng)網(wǎng)絡(luò)的神經(jīng)元在向前傳遞信息時(shí)還要向后傳遞信息，需要經(jīng)過工作一段時(shí)間才能達(dá)到穩(wěn)定狀態(tài)，在解決相同精度問題時(shí)反饋神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)要比前饋型神經(jīng)網(wǎng)絡(luò)復(fù)雜。徑向基神經(jīng)網(wǎng)絡(luò)（RBF）和BP神經(jīng)網(wǎng)絡(luò)都是前饋型神經(jīng)網(wǎng)絡(luò)，在解決類似的非線性問題時(shí)它們可以相互代替，但是它們之間存在兩點(diǎn)區(qū)別：1）雖然RBF的泛化能力優(yōu)于BP神經(jīng)網(wǎng)絡(luò)，但是在解決同樣誤差精度要求的問題中BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)更簡單。2）RBF的全局搜索能力強(qiáng)，但是BP神經(jīng)網(wǎng)絡(luò)可以使用遺傳算法優(yōu)化的方法在一定程度上解決易陷入局部極小值的問題。在選擇神經(jīng)網(wǎng)絡(luò)模型對(duì)運(yùn)動(dòng)員訓(xùn)練負(fù)荷預(yù)測(cè)中，選擇合適的模型需要考慮以下兩點(diǎn)：1）運(yùn)動(dòng)員訓(xùn)練負(fù)荷預(yù)測(cè)是一個(gè)多因素的預(yù)測(cè)問題，需要先對(duì)數(shù)據(jù)進(jìn)行非線性擬合。2）該預(yù)測(cè)模型需要在應(yīng)用系統(tǒng)中使用，網(wǎng)絡(luò)模型不能太復(fù)雜。綜合對(duì)多種神經(jīng)網(wǎng)絡(luò)模型的對(duì)比以及以上兩點(diǎn)需求，本文最終確定使用BP神經(jīng)網(wǎng)絡(luò)作為運(yùn)動(dòng)員訓(xùn)練負(fù)荷的基本算法。

3.2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)設(shè)計(jì)

為了建立運(yùn)動(dòng)員訓(xùn)練負(fù)荷預(yù)測(cè)模型，首先要確定好BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及參數(shù)設(shè)計(jì)。它的設(shè)計(jì)主要包括網(wǎng)絡(luò)層數(shù)、神經(jīng)元個(gè)數(shù)、數(shù)據(jù)集處理以及初始權(quán)值和閾值的選取等幾個(gè)方面，本文的預(yù)測(cè)模型網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

3.3改進(jìn)自適應(yīng)遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化

對(duì)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化一般有三種：針對(duì)初始權(quán)值和閾值的優(yōu)化、針對(duì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的優(yōu)化和針對(duì)網(wǎng)絡(luò)學(xué)習(xí)參數(shù)的優(yōu)化。本章使用改進(jìn)的自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的具體方法如下，其中自適應(yīng)遺傳算法的選擇操作一般選擇輪盤賭的方式，而本文提出了一種簡單有效的選擇算子。改進(jìn)選擇算子的操作步驟如下：（1）初始化一個(gè)種群，按照適應(yīng)度從小到大的順序?qū)ΨN群內(nèi)個(gè)體排序;（2）把排好順序的個(gè)體均分成4段，4段種群的質(zhì)量從前到后依次變高，對(duì)每一段按照0.4、0.6、0.8、1的比例進(jìn)行選擇。（3）將上一步選出的個(gè)體組成新的種群，新種群的數(shù)量會(huì)因?yàn)榘幢壤x取有所減少，從第4段的最優(yōu)個(gè)體中隨機(jī)選取個(gè)體補(bǔ)充到新種群內(nèi)，使新種群個(gè)體數(shù)量保持不變。4）交叉和變異算子自適應(yīng)遺傳算法通過種群的交叉和變異操作產(chǎn)生新個(gè)體，在交叉、變異的過程中根據(jù)交叉率和變異率選擇操作的個(gè)體，為了構(gòu)造適應(yīng)度值更高的個(gè)體，個(gè)體適應(yīng)度越小，交叉、變異的概率就越大，適應(yīng)度越大的個(gè)體相反。

3.4算法描述及分析

基于改進(jìn)自適應(yīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法IAGABP，分為遺傳算法部分和BP神經(jīng)網(wǎng)絡(luò)部分。在遺傳算法部分，先使用實(shí)數(shù)編碼的方式隨機(jī)產(chǎn)生N個(gè)染色體，組成算法的初始種群，然后不斷進(jìn)行遺傳操作，提高種群的整體適應(yīng)度，直到種群進(jìn)化達(dá)到指定代數(shù)時(shí)算法終止。BP神經(jīng)網(wǎng)絡(luò)部分首先要確定網(wǎng)絡(luò)結(jié)構(gòu)和其他參數(shù)，然后將遺傳算法部分得到的最優(yōu)個(gè)體拆解成一組BP神經(jīng)網(wǎng)絡(luò)連接權(quán)值和閾值作為BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，通過誤差反向傳播的方式不斷調(diào)節(jié)權(quán)值和閾值，直到網(wǎng)絡(luò)輸出誤差達(dá)到終止條件，得到最終的BP神經(jīng)網(wǎng)絡(luò)模型。

4結(jié)束語

自行車國家隊(duì)積累了多年訓(xùn)練、比賽的數(shù)據(jù)，從這些數(shù)據(jù)中找出運(yùn)動(dòng)員訓(xùn)練負(fù)荷能力和身體機(jī)能狀態(tài)之間的關(guān)系對(duì)提高自行車隊(duì)訓(xùn)練效果有著重要意義。本文借助自行車國家隊(duì)的數(shù)據(jù)進(jìn)行研究，提出了一種自行車運(yùn)動(dòng)員訓(xùn)練負(fù)荷預(yù)測(cè)模型。盡管本文中運(yùn)動(dòng)員訓(xùn)練負(fù)荷預(yù)測(cè)模型的準(zhǔn)確率達(dá)到了可用的水平，系統(tǒng)的開發(fā)也已經(jīng)初步完成，可以完成用戶目前的使用需求，但是由于時(shí)間有限和本人能力有限，課題還存在不完善的地方，需要在以后進(jìn)行改進(jìn)。

參考文獻(xiàn)：

[1]李雪強(qiáng).公路自行車男子有氧耐力訓(xùn)練手段的優(yōu)選及應(yīng)用效果研究[D].西安體育學(xué)院，2017.

（作者單位：山東省射擊自行車運(yùn)動(dòng)管理中心）